基于weka的數(shù)據(jù)分類分析實驗報告-文庫吧資料
2025-06-30 18:57本頁面
【正文】 準(zhǔn)確率相對較低，而標(biāo)準(zhǔn)誤差也較高，綜合評價可以得知，當(dāng)前最好的分類算法是KNN算法，并且它是最優(yōu)設(shè)置參數(shù)為k=8。ve Bayes得出的結(jié)果校驗數(shù)據(jù)集校驗Na239。 樸素貝葉斯分類點(diǎn)“Choose”按鈕選擇“bayes”，這是WEKA中實現(xiàn)的決策樹算法。選擇CrossValidatioin folds=10，然后點(diǎn)擊“start”按鈕：訓(xùn)練數(shù)據(jù)集訓(xùn)練KNN得出的結(jié)果使用不同配置訓(xùn)練參數(shù)，得到的實驗數(shù)據(jù)：配置不同的葉子節(jié)點(diǎn)的實例個數(shù)K值12345678910準(zhǔn)確率52%54%56%58%60%58%60%68%62%62%結(jié)果分析：使用KNN算法分類時，K最優(yōu)值為8。校驗數(shù)據(jù)集校驗決策樹得出的結(jié)果初步結(jié)果分析：使用決策樹進(jìn)行分類，對于已知的49個類標(biāo)號為male的數(shù)據(jù)都進(jìn)行了準(zhǔn)確的分類，并且達(dá)到100%；雖然是個很好的數(shù)據(jù)，但是完美背后隱藏了缺陷，是以對female類的低準(zhǔn)確率作為代價的，因為這樣會說明該分類器很有可能偏向male類。點(diǎn)“Choose”按鈕選擇“tree ()”，這是WEKA中實現(xiàn)的決策樹算法。 第九步：。 第七步：，作為總的訓(xùn)練數(shù)據(jù)集。第一步：，；第二步：；第三步：在excel中打開“”，選擇菜單文件另存為，在彈出的對話框中，文件名輸入“total_data”，保存類型選擇“CSV（逗號分隔）”；
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1